重载汽车齿轮变速箱振动信号与结构模态特性分析

针对重载汽车齿轮变速箱的工作特点,对该齿轮变速箱的振动信号进行了功率谱分析和倒谱分析,并用有限元软件对该齿轮变速箱进行了结构模态分析。分析结果为研究以减振降噪为目的的齿轮变速箱结构动力学优化设计奠定了基础。     

浅谈民间说唱的艺术魅力

本文用相声、眉户和山东快书为代表来突出表现民间说唱的艺术魅力,其表现出的艺术魅力是幽默的,诙谐的,机智的,通俗的。用或说或唱,把语言押韵、通俗浅显、生动活泼、诙谐晓畅和朗朗上口的民间艺术呈现出来,为我们带来无穷的艺术魅力。     

光学元件质量与加工参数间关系的数学模型研究

光学元件质量与加工参数之间存在复杂的关系,当前模型无法准确描述两者之间的变化特征,使得光学元件加工质量较差。为了获得更优的光学元件加工质量,构建了光学元件质量与加工参数间关系的数学模型。分析光学元件质量的变化特点,根据元件加工流程,获取与光学元件质量相关的参数,并根据参数优化数学模型。仿真测试结果表明,模型可以高精度地描述光学元件质量与参数之间变化关系,减小了元件表面厚度刻蚀误差,使得光学元件加工粗糙度下降,表面形貌更为平整。     

非独立同分布数据下的去中心化联邦学习策略

区块链具有不可篡改性和去中心化的特点,其与联邦学习的结合成为人工智能领域的热门主题。目前去中心化联邦学习存在训练数据非独立同分布导致的性能下降问题,为了解决这个问题,提出一种模型相似度的计算方法,然后设计一种基于该模型相似度的去中心化联邦学习策略,并使用五个联邦学习任务进行测试,分别是CNN模型训练fashion-mnist数据集、alexnet模型训练cifar10数据集、TextRnn模型训练THUsnews数据集、Resnet18模型训练SVHN数据集和LSTM模型训练sentiment140数据集。实验结果表明,设计的策略在五个任务非独立同分布的数据下进行去中心化联邦学习,准确率分别提升了2.51、5.16、17.58、2.46和5.23个百分点。     

基于SARIMA模型的赣江流域近50年参考作物需水量预测

基于赣江流域12个代表气象站点1961—2010年的逐日气象观测资料,采用Penman-Monteith公式计算了各站点逐日参考作物需水量,整理得到赣江流域及上、中、下游3个子区域的参考作物需水量年度和月度数据,对其变化特征进行了分析。赣江流域50 a参考作物需水量年际变化较大,年内变化呈现出明显的季节性特征。在考虑了季节性因素的基础上,利用BIC准则法确定模型最佳阶数,建立了赣江流域参考作物需水量的季节性ARIMA模型,对研究区域的参考作物需水量进行了拟合与预测,并验证了模型的显著性。预测结果表明,模型的平均相对误差在合理范围之内。     

GPU并行优化技术在水利计算中的应用综述

水利计算是水利规划、设计以及运行的基础,提高水利计算的效率对水利信息化和水资源管理具有重要实践意义。通过技术对比发现,GPU（Graphics Processing Unit）并行优化技术是性价比较高的提速策略。系统概述了GPU并行优化技术在水利计算中的应用进展;简要介绍了当前应用较多的几种并行技术;建设性提出了该项技术在水库调度、中长期水文预报和水文模型计算中的应用前景和优势;详细总结了应用该项技术的一般方法,为技术推广提供指导。最后从学科发展和应用需求的角度,有针对性的提出了技术应用难点和今后发展趋势,以期为GPU并行优化技术在水利计算中的应用提供借鉴。     

基于自适应观测器的四旋翼无人飞行器传感器故障诊断方法

针对四旋翼无人飞行器传感器故障诊断问题,提出一种用于四旋翼无人飞行器加速度计和陀螺仪故障同时发生的故障检测与隔离以及故障偏差值估计的非线性诊断方法.首先,在建立飞行器动力学模型和传感器模型的基础上,构建四旋翼无人飞行器传感器故障检测与诊断系统.其次,利用故障观测器完成传感器故障的检测与隔离,基于Laypunov方法设计非线性自适应观测器对未知故障偏差值进行估计.最后,在传感器测量噪声存在的情况下,证明自适应律的稳定性和参数收敛性.实验结果表明,该方法能有效进行传感器的故障检测与隔离,实现对传感器故障偏差的估计与跟踪.     

RTK在城市线路工程中的应用

GPS300实时动态系统RTK应用在F市城区东北郊变开断进南门变220kV架空送电线路工程中,对其在作业中存在的问题和精度提出一些看法。以便能更好地发挥RTK技术在线路测量中的应用。     

基于总设置时间与最大完工时间的柔性流水车间多目标优化研究

本课题以最大完工时间及总设置时间为优化目标,提出了一种新的解码方案,并设计了混合快速非支配遗传算法,用于求解建立的生产调度模型,通过实验证明了模型的有效性及算法的先进性。结果表明,提出的解码方案最大可减少25.63%的总设置时间及3.42%的最大完工时间;混合快速非支配遗传算法则最大可减少28.42%的总设置时间及3.80%的最大完工时间。     

非平衡数据集分类研究

现实世界中存在着非平衡数据集,即数据集中的一类样本数量远大于另一类。而少数类样本的识别通常是人们首要关心的,将少数类样本误分为多数类要比将多数类样本误分为少数类付出更高的代价。传统的机器学习算法可能会产生偏向多数类的结果,因而对于少数类而言,预测的效果会很差。在对目前国内外非平衡数据集研究现状深入分析的基础上,针对非平衡数据集数据复杂度研究和失衡解决方法研究两个方向相对孤立及缺乏系统性的缺陷,提出了一种非平衡数据集整体解决框架,以满足日益迫切的应用需求。